Está en la página 1de 29

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS(UNMSM)

FACULTAD DE INGENIERIA ELECTRONICA Y ELECTRICA


Escuela de Ingenieria Electrica

Inteligencia artificial para el pronostico de la


demanda en lima

ROBIS SANDRO MEZA PAUCAR


LIMA-2018
INDICE
INTRODUCCION
1) MARCO PROBLEMATICO
2) OBJETIVO GENERAL
3) MARCO TEORICO
4)MARCO METODOLOGICO
5)DESARROLLO DEL PROYECTO
CONCLUSIONES
BIBLIOGRAFIA
Introducción
SE TRATA DE UN PROYECTO QUE BUSCA OPTIMIZAR LAS PREDICCIONES
QUE SE HACE DE LA DEMANDA DE ENERGIA ELECTRICA HECHA CON EL
SOFTWARE DE MATLAB.
ESTE PROYECTO TIENE MUCHOS BENEFICIOS QUE SE ADECUAN AL
MERCADO ELECTRICO EN EL PERU.
Inteligencia artificial Mundo :
Empresas como Facebook , google,
YouTube , uber la mayoría de sitios
web , por que estas administran datos
.
Utilizan datos para saber tus gustos y
preferencias y hacer un perfil de que
tipo de persona eres poder verderte
algún servicio según tus gustos y
preferencias.
En el Peru:
En el Perú senamhi , coes ,sedapal y
empresas que brindan servicios a gran
escala, tienen datos de consumo para
saber los precios a futuro, cuanto
venderan o para anticiparse a crisis .
2)Marco teórico
BASES HISTORICAS
• las organizaciones en todo el mundo comenzaron a implementar nuevas tecnologías para
analizar y optimizar las grandes cantidades de datos que generaban. También inició la
dependencia de la utilización de su información como un activo comercial para obtener una
ventaja competitiva, ya sea en temas de marketing, experiencias personalizadas para los
clientes o, simplemente, para mejorar sus procesos del día a día.
ORGANOS REGULADORES DEL MERCADO ELECTRICO

EL COES

El Comité de Operación Económica del Sistema Interconectado Nacional


(COES) es una organización privada peruana sin fines de lucro .Uno de sus
objetivos es coordinar las operaciones del sein para asi ser más eficiente y
cubrir la demanda.
Ser eficaz es uno de sus objetivos, este ente hace un pronóstico de la
demanda de energía y este comunica a los generadores para decirle cuanto
de energía deben de producir según el lugar que están ubicados y sus
concesiones .
En la imagen se muestra como está organizado el mercado eléctrico, no
profundizaremos en esto, pero es importantes saber quién nos da la ata para
trabajar y sus funciones en el mercado.
https://www.google.com/search?q=mercado+electrico+peru&source=lnms&tbm=isch&sa=X&ved=0ahUKEwiRkp_K4jeAhUGJt8KHaMoAccQ_AUIDigB&biw=1366&bih=657#imgrc=VW3TAlfZAi7S
mM:
OSINERMING

El Organismo Supervisor de la Inversión en Energía y Minería (OSINERGMIN) es una institución


pública adscrita a la Presidencia del Consejo de Ministros del Perú y está encargada de supervisar
que las empresas eléctricas, las de combustibles y las del régimen general de Minería del Perú
cumplan las normas legales de las actividades que desarrollan. Fue reconocida por ser la primera
institución pública peruana en ganar la Medalla de Plata del Premio Iberoamericano de la Calidad
2011.
http://www.osinergmin.gob.pe/seccion/centro_documental/Institucional/Estudios_Economicos/Libros/Osinergmin-Industria-Electricidad-Peru-25anios.pdf
http://www.osinergmin.gob.pe/seccion/centro_documental/Institucional/Estudios_Economicos/Libros/Osinergmin-Industria-Electricidad-Peru-25anios.pdf
http://www.osinergmin.gob.pe/seccion/centro_documental/Institucional/Estudios_Economicos/Libros/Osinergmin-Industria-Electricidad-Peru-25anios.pdf
http://www.osinergmin.gob.pe/seccion/centro_documental/Institucional/Estudios_Economicos/Libros/Osinergmin-Industria-Electricidad-Peru-25anios.pdf
PRONOSTICO DE DEMANDA

• El pronóstico de la demanda es estimar las ventas de un producto


durante determinado periodo futuro. Los ejecutivos calculan primero
la demanda en toda la industria o mercado para luego predecir las
ventas de los productos de la compañía en ellos.
Objetivo General
Determiner la inteligencia artificial para el
pronostcio de la demanda de la energia
electrica en lima
• El pronóstico de demanda siempre se ha hecho , en todas las
industrias , los antecedentes vienen de todos los sectores , pero el
uso de redes neuronales para optimizar estos se ha implementado
desde hace 20 años , desde que empezó big data con la inteligencia
artificial ha sido importante en muchos sectores.
• Todo esto ayuda a todas las industrias a preveer crisis economicas y
optimizer precios , o hacer futuras inversions.
• El Estación invierno como afecta la demanda de energía eléctrica en los usuarios
regulados , me refiero a las familias , según se observa en la gráfica que nos da el
coes , las familias hacen más uso de la energía eléctrica en la épocas de frio, esto se
explica porque el día es más corto y las personas permanecen mas en sus
domicilios , el uso de aire acondicionado ,las termas eléctrica .
• En este proyecto explicamos como hacemos el pronóstico en la época de
invierno(desde junio ) y como se dan las gráficas en esas semanas.
Marco Problemático
• FACTORES QUE AFECTAN LA DEMANDA
Al hacer el pronostico de la demanda de energía, se deben tomar muchas variables , pues hay ciertas factore que alteran como los días
festivos que se consume mas electricidad, los días de invierno que es donde hay mas se consume mas electricidad . Es por eso que tomas
periodos cortos de tiempo , para reducir las variables y ser mas efectivo
tomamos información de la demanda de energía de todos los inviernos desde el 2000.
-estacion del año
-dias festivos
-economia nacional
-nuevas tecnologias
-ubicacion geografica
-inicios o finales de mes
-desastres naturales
-fenomenos sociales
• Osinerming foto
Marco Metodológico
• ALGORITMOS
Traingdm puede entrenar cualquier red siempre tenga datos continuos donde se puede hacer una
regresión con Matlab y no haiga vacios .
La retropropagación es una de las herramientas que utiliza según las variables que estemos
trabajando.
El siguiente párrafo esta copiado literalmente de la página de mathworks.
El entrenamiento se detiene cuando ocurre cualquiera de estas condiciones:
• • Se alcanza el número máximo de epochs(repeticiones).
• • La cantidad máxima de times excedida.
• • El rendimiento se minimiza a goal.
• • El gradiente de rendimiento cae por debajo min_grad.
• • El rendimiento de la validación ha aumentado más de max_failveces
• desde la última vez que disminuyó (al usar la validación).
MATLAB VS PYTHON
Desarrollo del Proyecto
RESULTADOS:
-La red neuronal de regresion generalizada fue mas eficaz ya que no presento un error mayor al 4% comparandolo con el 7.1% de la red CFB.

8000

7000

6000

5000
Series1

4000 Series2
Series3
3000 Series4

2000

1000

0
0 50 100 150 200 250 300 350 400

• Foto tomada del software de matlab


CONCLUSION DE LA PRUEBA:
-La red neuronal CFB no es eficaz cuando se quiere pronosticar datos que varian con el tiempo
Foto tomada del software de matlab
8000

7000

6000

5000

Series1
4000 Series2
Series3
Series4
3000

2000

1000

0
0 50 100 150 200 250 300 350 400
Conclusiones
1) Un manejo eficiente de la información permite hacer predicciones acertadas
de acuerdo a la época del año y manejar niveles de inventarios adecuados que le
proporcionen liquidez al negocio.
Debido a la capacidad que poseen las redes neuronales de aprender ciertas
características que presentan algunos fenómenos (en este caso el fenómeno es
de tipo estacional) es posible hacer uso de ellas en problemas de predicción,
donde la variable a estimar tiene un comportamiento variable pero con un
patrón de comportamiento similar a lo largo del tiempo.
Bibliográfico
• https://es.wikipedia.org/wiki/Sector_el%C3%A9ctrico_en_el_Per%C3%BA
• https://es.wikipedia.org/wiki/Inteligencia_artificial
• http://www.sectorelectricidad.com/2625/aplicacion-de-redes-neuronales-para-el-
pronostico-de-demanda-a-corto-plazo/
• http://www.coes.org.pe/Portal/portalinformacion/demanda
• https://ignsl.es/historia-del-big-data/
• http://www.loyolaandnews.es/efectos-de-la-inteligencia-artificial/
• https://es.wikipedia.org/wiki/Inteligencia_artificial
• http://www.mundoempresarial.pe/tecnologia-mundo-empresarial/2479-inteligencia-
artififcial-empresas-peru.html
• http://noticias.universia.es/ciencia-tecnologia/noticia/2018/02/05/1157781/valor-
humano-mundo-inteligencia-artificial.html
• https://es.wikipedia.org/wiki/Sector_el%C3%A9ctrico_en_el_Per%C3%BA

También podría gustarte